共查询到20条相似文献,搜索用时 218 毫秒
1.
2.
基于模糊贝叶斯网络的空中目标多传感器融合识别研究 总被引:3,自引:1,他引:2
为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型.该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型.识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率. 相似文献
3.
4.
5.
为了满足复杂战场环境的目标身份识别需求,需要将多种传感器的识别信息进行融合,实现有效的身份判断。该文从传感器的基本信度评价和稳定性2个方面对识别证据进行可靠性评估,反映传感器工作机制、目标分布和配准关联为识别证据引入的不确定性;结合证据的可靠性与冲突情况,动态选择D-S证据的融合结构,降低冲突证据对融合结果的不利影响,并进行历史识别证据溯源,有效整合时间上离散的多个证据,排除不独立证据造成的误识别。最后通过仿真验证了方法的有效性。 相似文献
6.
7.
多传感器数据融合中基于目标识别的DS算法研究 总被引:4,自引:0,他引:4
由于多传感器数据中对目标的描述通常存在或多或少的模糊、相驳、遗缺等现象,在多传感器数据融合处理中如何对目标进行有效可靠的识别,是一个备受关注的难题。本文对多传感器数据融合处理中基于DS算法的目标识别问题进行了较深入的探讨,利用DS算法对不确定性信息的推理判断机制,为解决上述难题提供了一种有效的方法。 相似文献
8.
为了满足目标识别的需要,多传感器的数据融合技术已经成为研究的热点。D-S证据理论是多传感器信息融合中最常用的一种处理不确定问题的方法,在基于D-S证据理论的目标识别融合中,基本概率赋值的获取是一个难点。使用神经网络中应用最广泛的BP神经网络来求基本概率赋值,再结合D-S理论进行目标识别。结果表明这种方法可以提高战场目标识别的可靠性,降低识别结果的不确定性。 相似文献
9.
10.
水下无线传感网络(UWSN)执行目标跟踪时,因为各个传感器节点测量值对目标状态估计的贡献不一样以及节点能量有限,所以探索一种好的节点融合权重方法和节点规划机制能够获得更好的跟踪性能。针对上述问题,该文提出一种基于Grubbs准则和互信息熵加权融合的分布式粒子滤波(PF)目标跟踪算法(GMIEW)。首先利用Grubbs准则对传感器节点所获得的信息进行分析检验,去除干扰信息和错误信息。其次,在粒子滤波的重要性权值计算的过程中,引入动态加权因子,采用传感器节点的测量值与目标状态之间的互信息熵,来反映传感器节点提供的目标信息量,从而获得各个节点相应的加权因子。最后,采用3维场景下的簇-树型网络拓扑结构,跟踪监测区域内的目标。实验结果显示,该算法可有效提高水下传感器网络测量数据对目标跟踪预测的准确度,降低跟踪误差。 相似文献
11.
12.
13.
针对单一目标图像目标识别结果的不确定性问题,分析了不确定性推理相关理论方法,通过多传感器获取目标图像,并将DS证据推理方法应用于多传感器目标识别结果的决策融合环节。试验中基于单一目标影像目标识别过程中的模型匹配相关系数计算基本概率赋值及不确定性,最终通过DS证据组合规则得出融合识别结果,从而降低单一目标图像目标识别的不确定性。 相似文献
14.
针对双/多波段红外目标检测问题,提出了一种基于自适应加权投票融合准则的红外目标融合检测方法。该方法首先对双/多波段红外传感器进行图像配准,然后对单传感器红外图像进行处理,得到单传感器目标检测结果,最后使用提出的自适应加权投票融合准则,对单传感器目标检测结果进行融合,得到最终判决。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,从而提高了系统的检测性能,同单波段检测结果和其他的融合结果相比,该方法能有效地降低漏警概率和虚警概率;并且该方法易于实现,并在实际工程中得到了应用。 相似文献
15.
16.
多部异构传感器在出现高冲突情况下的属性融合上往往得到与事实不符的结果。通过对机载平台常用的目标属性识别手段及其识别能力的分析,给出了机载平台工作场景分类、识别融合架构、识别准则,以及基于不同场景的识别流程,较好地解决了平台异构传感器在高冲突情况下的属性融合中出现的问题。 相似文献
17.
针对雷达辐射源识别过程中数据信息量大的实际情况,应用多传感器最优组合理论,提出一种对辐射源侦察传感器的优化组合方法,以提高融合效率;此外,将D-S证据理论用于数据融合过程中,结合雷达辐射源识别问题的特点,并借鉴信息论中熵的概念,对基本概率赋值函数(BPAF)进行了建模;仿真结果表明该模型的有效性和融合算法的优良性能。 相似文献
18.
D-S证据理论在多传感器信息融合中的改进 总被引:4,自引:0,他引:4
详细阐明了多传感器信息融合的一种方法——D-S证据理论,他是一种处理不确定性问题的有用方法,但是D-S证据理论组合规则的一些不足影响证据理论的应用,通过深入分析,针对该方法的不足提出了一种修正的组合方法,这样不仅能够用于组合冲突比较大的证据,而且能够根据各条证据所包含的不同信息量进行自适应加权组合,改进了基本D-S证据理论的组合准则,提高了其融合性能,并通过实例证明了该方法的有效性。 相似文献
19.
20.
基于D-S证据理论的组合数据融合算法 总被引:4,自引:1,他引:3
针对在无线传感器网络中传感器节点本身能量有限的特性,提出一种基于D-S证据理论的组合数据融合算法.先对传感器网络的当前值依据各组数据的标准差进行聚类,然后对每一类数据组,用D-S证据推理算法进行融合,将其结果看成一个虚拟传感器节点数据,最后通过计算马哈诺比斯距离得出虚拟节点数据向量的异常值,把它作为加权权重进行加权融合.仿真试验表明:该算法识别目标的可信度高于D-S推理法,且在计算复杂度上也有明显优势. 相似文献